在 R 中，要从字符串中删除标点符号，我可以这样做：
x <- 'a#,g:?s!*$t/{u}\d\&y'
gsub('[[:punct:]]','',x)
[1] "agstudy"
这很聪明，但我没有严格控制删除的标点符号（想象一下我想在我的角色中保留一些符号）。如何以更明确的方式重写此 gsub 而不会忘记任何符号，如下所示：
gsub('[#,:?!*$/{}\\&]','',x,perl=FALSE)
编辑
我遇到的困难是如何编写正则表达式（我更喜欢在R中）从x中删除所有标点符号，只保留#例如：
"a#gstudy"
【问题讨论】：
使用否定的前瞻断言：
x <- 'a#,g:?s!*$t/{u}\\d\\&y'
gsub('(?!#)[[:punct:]]','',x, perl=TRUE)
# [1] "a#gstudy"
这实质上是对每个字符进行两次测试，一次从前面的字符间空间询问下一个字符是否不是"#"，然后从字符本身询问它是否是标点符号。如果两个测试都为真，则注册匹配并删除该字符。
【讨论】：
(?!#)[[:punct:]] 和[[:punct:]] 的速度，以了解负前瞻在多大程度上减慢了速度。
您可以使用否定字符类，例如：
\pP 是标点符号的 unicode 字符类。
\PP 不是标点符号。
[^\PP] 就是一个标点符号。
[^\PP~] 是除了波浪号之外的所有标点符号。
注意：您可以使用\p{PosixPunct}保持在ASCII范围内：
[^\P{PosixPunct}~]
或者在\p{XPosixPunct}的ASCII范围内使用具有这种特殊性的unicode标点字符：
[^\P{XPosixPunct}~]
【讨论】：
gsub('[^p#]','',x,perl=F) ，保留 # 但它会删除所有其他好的字符...
\pP 和 \PP 是字符类，如 \w 和 \W，但用于标点符号。对于你的例子，你必须写[^\PP#]
gsub('[^\\PP#]','',x,perl=TRUE) ，我得到 ` "agstudy#$"` ，我不知道为什么最后有美元（$）。有什么想法吗？
$ 不是 unicode 的标点符号。但是，如果您使用 posix 版本 \P{PosixPunct} 则不同，因为 ASCII 范围内的标点符号定义如下：“所有不是控件、空格或字母数字字符。
阅读this page 表示[[:punct:]] 字符应包括：
[-!"#$%&'()*+,./:;<=>?@[\\\]^_`{|}~]
从 R ?regex 页面，我们也得到了这个作为验证：
[:punct:]
Punctuation characters:
! " # $ % & ' ( ) * + , - . / : ; < = > ? @ [ \ ] ^ _ ` { | } ~
因此，您可以将其用作创建自己的模式的基础，不包括要保留的字符。
这真是一团糟，尤其是有两个更好的答案，但我只是想表明我的想法：
创建一个看起来像这样的函数：
newPunks <- function(CHARS) {
punks <- c("!", "\\\"", "#", "\\$", "%", "&", "'", "\\(", "\\)",
"\\*", "\\+", ",", "-", "\\.", "/", ":", ";", "<",
"=", ">", "\\?", "@", "\\[", "\\\\", "\\]", "\\^", "_",
"`", "\\{", "\\|", "\\}", "~")
keepers <- strsplit(CHARS, "")[[1]]
keepers <- ifelse(keepers %in% c("\"", "$", "{", "}", "(", ")",
"*", "+", ".", "?", "[", "]",
"^", "|", "\\"), paste0("\\", keepers), keepers)
paste(setdiff(punks, keepers), collapse="|")
}
用法：
gsub(newPunks("#"), "", x)
# [1] "a#gstudy"
gsub(newPunks(""), "", x)
# [1] "agstudy"
gsub(newPunks("&#{"), "", x)
# [1] "a#gst{ud&y"
哎呀。我该睡觉了……
【讨论】：
setdiff 或别的东西。
gsub([-!"#$%&'()*+,./:;<=>?@[/\/\\]^_{|}~],'',x)` 将失败。伙计，（对我来说）在这里写正则表达式并不容易。
它在 Perl 中的工作方式完全相同，[:punct:] 是一个简单映射到的 POSIX 字符类：
[!"#$%&'()*+,\-./:;<=>?@[\\\]^_`{|}~]
等效的 Perl 版本是：
my $x = 'a#,g:?s!*$t/{u}\d\&y';
$x =~ s/[[:punct:]]//g;
print $x;
__END__
agstudy
【讨论】：
grep(pattern, x, ignore.case = FALSE, perl = TRUE,..)
直接的方法是使用前瞻或后瞻来匹配同一个字符两次，一次是为了确保它是一个标点符号，一次是为了确保它不是“#”。
(?=[^#])[[:punct:]]
或
(?!#)[[:punct:]]
不过，Lookahead 和lookbehinds 有点贵。与其在每个位置都使用环视，不如在找到标点符号时只使用一个更有效。
[[:punct:]](?<!#)
当然，完全摆脱环视会更有效。这可以通过双重否定来实现。
[^[:^punct:]#]
我还没有使用 R 测试过这些，但它们至少应该可以使用 perl=TRUE。
【讨论】：